AI智能体基准测试漏洞频出：无操作竟能得分，多机构联合提出改进方案

当前AI智能体基准测试普遍存在缺陷，可能导致高达100%的能力误判。研究显示，在10个常用测试中，8个存在问题，7个允许“无操作”智能体通过，评估结果难以反映真实能力。来自多所顶尖机构的研究人员提出包含43项标准的ABC检查清单，旨在提高基准测试的严谨性和透明度，帮助开发者更准确评估AI智能体的实际表现。
来源：https://mp.weixin.qq.com/s/jmbLyDaTi3oRP0i3hDdT0Q